基于Kuhn—Tucker方法的机组最优投入神经网络模型

为了用硬件实现机组优化投入的神经计算，首先基于Ｋｕｈｎ－Ｔｕｃｋｅｒ方法的机组最优投入神经网络模型。证明了该模型的收敛性，讨论了该模型的正则电路，并用ＰＳＰＩＣＥ５．０对一个四机组四时段的系统进行仿真计算。     

计及风险的发电厂机组出力分配研究

对计及风险的发电厂机组出力分配进行研究。在假设发电厂已经提出自身报价的情况下，提出了一种使风险最小化而利益最大化的机组出力分配的数学模型，该模型的参数可以通过对历史数据的分析求得。通过一两机组模型验证了该方法的合理性。     

并列运行发电机组热耗的一种建模方法

根据并列运行汽轮发电机组的特点，提出了应用等效焓降法建立机组热耗量模型的一种方法，论述了给水流量和各种辅助汽术流量对机组经济性的影响，该模型应用范围广、精度高，适应于并列运行机组的各种不同运行工况，也运用于单元机组．     

微机网络型全自动电站监控系统的结构及其控制原理

介绍一种舰船用微机网络型全自动电站监控系统的结构及控制原理．该系统实现了不同种类电源供电自动联锁；船电和岸电不断电自动切换；有故障机组或过载时，备用机组自动投入和报警：轻载时，备用机组自动停机；同时还可在配电控制室遥控机组自动起动投入或自动解列停机．实现了各机组热工参数越限声光报警及大负荷设备起动询问联锁功能．最后，依据系统的结构特点．说明系统是如何采取措施提高其可靠性．     

吸收式制冷机组逆神经网络设定优化

针对吸收式制冷机组非线性、难以控制的特点，提出了一种基于逆神经网络模型的设定点优化方案。首先，以11.5kW单效溴化锂吸收式制冷机组为对象，使用人工神经网络方法建立了机组模型，通过对溴冷机制冷原理的分析，建立了系统结构为5-6-2的网络模型，该神经网络模型的相关系数大于0.99且方均根误差小于0.2%，与实验数据取得了良好的拟合效果；然后，利用该模型对溴冷机的各个输入参数进行灵敏度分析，并据此选择热水供水温度与冷却水流量作为优化方法的控制输入参数；最后，以冷冻水输出温度作为系统控制输出，对其进行优化计算，并采用改进的粒子群优化算法与逆神经网络相结合的方法，计算制冷机组的最优控制输入参数。通过实验与仿真分析，可知该算法的计算时间在30 s以内，低于吸收式制冷机组的稳定时间；溴冷机的目标输出与仿真计算结果间的误差小于0.02%，表明该方案可以应用于吸收式制冷机组的在线控制。     

吸收式制冷机组逆神经网络设定优化

针对吸收式制冷机组非线性、难以控制的特点，提出了一种基于逆神经网络模型的设定点优化方案。首先，以11.5kW单效溴化锂吸收式制冷机组为对象，使用人工神经网络方法建立了机组模型，通过对溴冷机制冷原理的分析，建立了系统结构为5-6-2的网络模型，该神经网络模型的相关系数大于0.99且方均根误差小于0.2%，与实验数据取得了良好的拟合效果；然后，利用该模型对溴冷机的各个输入参数进行灵敏度分析，并据此选择热水供水温度与冷却水流量作为优化方法的控制输入参数；最后，以冷冻水输出温度作为系统控制输出，对其进行优化计算，并采用改进的粒子群优化算法与逆神经网络相结合的方法，计算制冷机组的最优控制输入参数。通过实验与仿真分析，可知该算法的计算时间在30 s以内，低于吸收式制冷机组的稳定时间；溴冷机的目标输出与仿真计算结果间的误差小于0.02%，表明该方案可以应用于吸收式制冷机组的在线控制。     

吸收式制冷机组逆神经网络设定优化

针对吸收式制冷机组非线性、难以控制的特点，提出了一种基于逆神经网络模型的设定点优化方案。首先，以11.5kW单效溴化锂吸收式制冷机组为对象，使用人工神经网络方法建立了机组模型，通过对溴冷机制冷原理的分析，建立了系统结构为5-6-2的网络模型，该神经网络模型的相关系数大于0.99且方均根误差小于0.2%，与实验数据取得了良好的拟合效果；然后，利用该模型对溴冷机的各个输入参数进行灵敏度分析，并据此选择热水供水温度与冷却水流量作为优化方法的控制输入参数；最后，以冷冻水输出温度作为系统控制输出，对其进行优化计算，并采用改进的粒子群优化算法与逆神经网络相结合的方法，计算制冷机组的最优控制输入参数。通过实验与仿真分析，可知该算法的计算时间在30 s以内，低于吸收式制冷机组的稳定时间；溴冷机的目标输出与仿真计算结果间的误差小于0.02%，表明该方案可以应用于吸收式制冷机组的在线控制。     

过热汽温多模型预测控制的现场应用

为了改善传统比例-积分-微分控制器(PID)控制不能适应工况变化的情形,该文将多模型预测控制(MMPC)应用于某300MW火电机组的过热汽温控制。为了避免模型切换造成的控制信号振荡,采用线性加权的方式获得平滑的控制输出。通过现场实验和模型辨识获得一组二级减温喷水模型,仿真验证了线性加权方式的可行性。通过C++编程实现该控制系统并投入实用。经过长期的现场运行,结果表明,该方法能够有效提高机组的平均主汽温,降低汽温平均偏差并减小了喷水阀门动作,适应大范围的工况变化。     

电力系统中谐波诊断的神经网络方法

本文提出了一种应用人工神经网络模型诊断电力系统中谐波含量的新方法。用误差反向传播模型（ＢＰ模型）取代传统的快速傅立叶变换方法，对ＢＰ模型进行训练，得到由电流（或电压）采样值映射出基波和谐波含量的ＢＰ模型。试验结果表明，该方法具有速度快、精度高的优点，硬件实现简单，同时具有在线应用的特点。     

基于Crowbar的双馈风机LVRT特性研究

文章从变流器、风电机组安全和风力发电系统快速平稳恢复稳定角度出发,讨论了Crowbar电阻和Crowbar电路投入运行持续时间选取原则,搭建了双馈风电机组低电压穿越仿真模型,模拟了电网电压跌落故障情况下,不同Crowbar阻值对低电压穿越功能的影响,从电网故障期间是否考虑双馈风电机组无功功率补偿能力方面,研究了Crowbar电路投入运行持续时间对低电压穿越功能的影响。仿真结果表明,合理的Crowbar电阻取值和投入运行持续时间可以提高双馈风电机组的低电压穿越能力,有利于风力发电系统快速平稳地恢复稳定。     

电路测试的可区分故障算法研究

研究一种基于人工神经网络的能区分故障的数字电路测试生成方法,该方法利用电路基本逻辑门的特性和神经网络模型的特点,首先建立测试生成的神经网络模型,然后通过求解网络能量函数的最小值点获得给定类型故障的测试矢量,其研究结果在可区分故障的测试生成方面提供了一种可能的新途径     

一种模糊神经网络的硬件电路优化设计方式

为提高模拟电路实现模糊神经网络的精度,通过对模糊神经网络中的高斯函数电路、求小电路以及去模糊电路分别进行性能优化,从整体上达到模拟电路实现模糊神经网络中高精度、高速的特性要求.所设计的模糊神经网络整体电路采用电压模式实现,并通过逼近一个非线性函数来验证.所设计的模拟单元电路均采用TSMC 0.18 μm工艺参数设计完成.通过Cadence软件仿真,结果表明:在1.8 V的工作电压下,所提出的改进型单元电路具有精度高、结构简单、便于调节和扩展的特性,并且能够完整地实现模糊神经网络的控制.     

模拟电路故障诊断的开关电流神经网络方法

以等效电源为变量,构造了线性模拟电路故障诊断的优化神经网络,基于罚函数方法提出了开关电流神经优化求解器,并给出实例,由Ｐｓｐｉｃｅ验证其可行性。     

Hierarchical Neural Networks Method for Fault Diagnosis of Large-Scale Analog Circuits

A novel hierarchical neural networks (HNNs) method for fault diagnosis of large-scale circuits is proposed. The presented techniques using neural networks(NNs) approaches require a large amount of computation for simulating various faulty component possibilities. For large scale circuits, the number of possible faults, and hence the simulations, grow rapidly and become tedious and sometimes even impractical. Some NNs are distributed to the torn sub-blocks according to the proposed torn principles of large scale circuits. And the NNs are trained in batches by different patterns in the light of the presented rules of various patterns when the DC, AC and transient responses of the circuit are available. The method is characterized by decreasing the over-lapped feasible domains of responses of circuits with tolerance and leads to better performance and higher correct classification. The methodology is illustrated by means of diagnosis examples.     

基于量子逻辑线路神经网络的说话人识别方法

 由于说话人的语音信号具有时变性、随机性,其特征参数也呈现出高维及相邻帧变化较大等特点。从量子信息处理理论出发,将一帧语音信号视为一个量子态,在传统神经网络的基础上,利用量子逻辑线路构造神经网络,实现说话人语音信号的有效聚类,探索一种基于量子逻辑线路神经网络的说话人识别模型与方法。利用模型固有的大量全局吸引子,可有效降低语音信号处理的时间及复杂度。通过在经典计算机上模拟仿真,并与BP神经网络说话人识别模型进行对比,表明该方法能够加快说话人识别模型的收敛速率,对参数变化具有更好的鲁棒性,且其系统识别率比BP神经网络方法平均提高了3.34%。     

数字电路的神经网络模型研究

研究数字电路的Ｈｏ０ｐｆｉｅｌｄ神经网络模型,说明了这种模型的原理及建立方法,并指出这种模型存在的不足,然后研究电路手最优神经网络模型,给出了模型的相关定义,讨论了任意数字电路对应的最优神经网络的存在性,这些建模方法可应用于电路的测试、逻辑验证等领域,能提高相关的计算效率。     

基于WPD-PSO算法的整流电路故障诊断

针对电力电子电路故障类型多、诊断正确率低的问题，提出基于小波包分解和粒子群算法优化概率神经网络的方法。建立三相桥式全控整流电路仿真模型，利用小波包分解技术对故障电压信号进行三层小波包分解与重构，提取特征值，并对数据进行归一化处理；用粒子群算法优化概率神经网络寻找合适的平滑因子，对数据进行训练和诊断；将该方法与未优化的概率神经网络作对比。仿真结果表明，该方法在训练效果和诊断正确率上都要优于未优化的概率神经网络。     

基于模拟电路I_(DDT)的小波神经网络故障诊断方法

动态电源电流(IDDT)对模拟电路故障诊断非常有效。通过分析被测电路的动态电源IDDT及其输出响应来识别电路的故障元件;用小波对被测信号进行多尺度分解,提取小波系数能量,经归一化后,作为特征向量输入到神经网络而实现故障诊断.实验仿真结果表明:该方法能正确实现故障定位且准确率高.     

电流模式神经网络

把电流模式电路引进了神经网络理论，提出了一种用电流模式电路构成的神经网络阈值处理单元，并由此构成了电流模式Ｈｏｐｆｉｅｌｄ神经网络，此网络中信号都是以电流的形式出现的。     

MOS VLSI电流型模拟电子神经网络

本文提出了采用ＭＯＳ晶体管的电流型模拟电子神经网络的新实现。该电路结构非常简单，且具有ＭＯＳ ＶＬＳＩ的优点，新的神经元电路的神经态既可以是全电流型又可以是电压型。